如何提取文本中的域名

import re

def extract_domains(text):
    # 正则表达式匹配域名
    domain_regex = r'(?:https?://)?(?:www\.)?([a-zA-Z0-9.-]+(?:\.[a-zA-Z]{2,})+)'
    domains = re.findall(domain_regex, text)
    return domains

# 示例文本
text = "访问我们的网站 https://example.com 或者尝试 http://www.test.com 页面。"
domains = extract_domains(text)
print(domains)  # 输出: ['example.com', 'www.test.com']

import spacy

# 加载spaCy模型
nlp = spacy.load("en_core_web_sm")

def extract_domains_spacy(text):
    doc = nlp(text)
    domains = [ent.text for ent in doc.ents if ent.label_ == "DOMAIN"]
    return domains

# 示例文本
text = "访问我们的网站 https://example.com 或者尝试 http://www.test.com 页面。"
domains = extract_domains_spacy(text)
print(domains)  # 输出: ['example.com', 'test.com']